基于RSSRP_YOLOv8的离体稻穗结实率检测方法OA

[目的]针对水稻育种研究中离体稻穗样本结实率检测繁杂,脱粒检测易破坏稻穗结构等问题,本研究构建了一种基于改进YOLOv8s的稻穗结实率检测模型RSSRP_YOLOv8(rice seed-setting rate on panicle using YOLOv8)。[方法]借鉴轻量级跨尺度融合结构(CNN-based cross-scale feature fusion,CCFF)重构原始模型颈部网络,减小模型体量及运算复杂性,提高检测效率;采用分组混洗卷积(grouped shuffle convolution,GSConv)取代模型骨干网络中的标准卷积和优化后PAN-FPN结构中的下采样标准卷积,促进稻穗籽粒特征信息提取与融合,提高识别准确率与效率;引入一种创新的动态上采样模块(dynamic sampling,Dysample)取代传统采样模块,提高模型多尺度特征融合和处理能力,促进稻穗籽粒特征细节重建和复杂场景中的特征恢复。[结果]RSSRP_YOLOv8模型在测试集上的平均精度均值mAP@0.5、精确度和召回率分别为98.2%、95.6%、94.2%,相比于原始模型分别提高了0.7%、0.6%、0.3%,模型浮点运算量和模型大小分别降低了26.2%和42.2%,模型检测帧率达到64.9 f·s^(-1)。在5个品种水稻共计1100张稻穗原始采集图上进行验证,模型对稻穗实粒、空秕粒和结实率的检测平均绝对误差(MAE)分别为2.09粒、1.77粒和0.92%,结实率平均检测精度达到99%以上;平均绝对百分比误差(MAPE)分别为2.27%、4.39%和1.42%。[结论]该方法可实现离体稻穗结实率无损检测,为水稻育种研究中离体稻穗样本结实率检测提供技术支撑。